基于深度學(xué)習(xí)的音樂流派及中國(guó)傳統(tǒng)樂器識(shí)別分類研究.pdf

1、近幾年，隨著互聯(lián)網(wǎng)和數(shù)字音頻技術(shù)的發(fā)展，音樂信息檢索逐漸成為研究熱點(diǎn)。其中，對(duì)音樂流派進(jìn)行有效的識(shí)別分類是一個(gè)重要的研究方向;此外，樂器的識(shí)別分類也是研究熱點(diǎn)方向之一，其中中國(guó)傳統(tǒng)樂器作為世界樂器的重要組成部分，也具有很大的研究?jī)r(jià)值，但對(duì)其研究較少。
　　目前音樂信息檢索領(lǐng)域的識(shí)別分類系統(tǒng)主要先人工提取音樂特征，再用分類器訓(xùn)練建模，最后利用建好的模型對(duì)測(cè)試音樂樣本進(jìn)行識(shí)別分類。但是目前在人工提取音樂特征方面遇到了瓶頸。因?yàn)椴煌淖R(shí)

2、別分類任務(wù)所需的音樂特征不同，甚至有時(shí)所需的音樂特征叫不出名字，所以人工提取音樂特征十分困難。而深度學(xué)習(xí)作為一種新的特征提取技術(shù)，已在圖像處理、自然語言理解等領(lǐng)域取得了巨大成果，因此本文針對(duì)是否可以利用深度學(xué)習(xí)強(qiáng)大的特征提取能力發(fā)現(xiàn)更合適的音樂特征用于音樂流派和中國(guó)傳統(tǒng)樂器識(shí)別分類這一問題展開了研究。
　　首先，本文介紹了人工提取的音樂特征以及經(jīng)典的分類方法，并概述了深度學(xué)習(xí)的發(fā)展歷史、結(jié)構(gòu)以及常用模型，指出了本文采用深度置信網(wǎng)絡(luò)

3、的原因。接著，本文研究了基于深度置信網(wǎng)絡(luò)的音樂流派識(shí)別分類算法，并對(duì)其進(jìn)行了改進(jìn)。先對(duì)各音樂流派信號(hào)預(yù)處理并提取梅爾多頻系數(shù)，再將該特征作為深度置信網(wǎng)絡(luò)的輸入，并對(duì)網(wǎng)絡(luò)添加Dropout和動(dòng)量來改進(jìn)網(wǎng)絡(luò)，然后不斷調(diào)參訓(xùn)練得到最佳網(wǎng)絡(luò)模型，最后利用得到的最佳模型對(duì)測(cè)試音樂進(jìn)行流派預(yù)測(cè)。仿真實(shí)驗(yàn)結(jié)果表明，使用改進(jìn)的方法對(duì)GTZAN庫的十大音樂流派進(jìn)行識(shí)別分類的準(zhǔn)確率最高達(dá)75.8％，優(yōu)于現(xiàn)有經(jīng)典算法。最后，本文提出了基于深度置信網(wǎng)絡(luò)的中國(guó)傳